Tempo商業(yè)智能平臺(tái)
Tempo人工智能平臺(tái)
Tempo數(shù)據(jù)工廠平臺(tái)
Tempo指標(biāo)平臺(tái)
Tempo數(shù)據(jù)治理平臺(tái)
Tempo主數(shù)據(jù)管理平臺(tái)
首頁(yè)隨著人工智能技術(shù)的逐步普及，越來(lái)越多的行業(yè)開(kāi)始擁抱人工智能，用“人工智能+”助力技術(shù)和產(chǎn)業(yè)的不斷升級(jí)和變革，人工智能已經(jīng)成為我們當(dāng)前這個(gè)時(shí)代的標(biāo)志。對(duì)于企業(yè)來(lái)說(shuō)，如果想用人工智能來(lái)武裝自己，就必須搞清楚人工智能技術(shù)的核心。
人工智能的概念始于1956年的達(dá)特茅斯會(huì)議，由于受到數(shù)據(jù)、計(jì)算力、智能算法等多方面因素的影響，人工智能技術(shù)和應(yīng)用發(fā)展經(jīng)歷了多次高潮和低谷。2006年以來(lái)，以深度學(xué)習(xí)為代有的機(jī)器學(xué)習(xí)算法在機(jī)器視覺(jué)和語(yǔ)音識(shí)別等領(lǐng)域取得了極大的成功，識(shí)別準(zhǔn)確性大幅提升，使人工智能再次受到學(xué)術(shù)界和產(chǎn)業(yè)界的廣泛關(guān)注。數(shù)據(jù)、計(jì)算力和算法被認(rèn)為是人工智能發(fā)展的三大核心要素，數(shù)據(jù)是基礎(chǔ)，算法是核心，計(jì)算力是支撐。
因此，要衡量一個(gè)大數(shù)據(jù)分析平臺(tái)的核心能力，最為關(guān)鍵的一定是其所具備的算法能力。Tempo大數(shù)據(jù)分析平臺(tái)作為國(guó)能領(lǐng)先的大數(shù)據(jù)分析與應(yīng)用平臺(tái)，自主研發(fā)的強(qiáng)大算法引擎是它區(qū)別于其他市場(chǎng)同類型工具的重要標(biāo)志。接下來(lái)，小編就為大家隆重介紹一下Tempo平臺(tái)的核心算法體系。
1) 基于分布式架構(gòu)的算法設(shè)計(jì)
平臺(tái)所有算法均基于Spark分布式內(nèi)存計(jì)算框架開(kāi)發(fā)，并采用Scala語(yǔ)言進(jìn)行算法實(shí)現(xiàn)，能夠支持海量數(shù)據(jù)的高效挖掘分析。
2) 多樣化、全面化的算法選擇
平臺(tái)內(nèi)嵌130余種數(shù)據(jù)分析方法，涉及數(shù)據(jù)預(yù)處理、回歸、聚類、分類、關(guān)聯(lián)規(guī)則、時(shí)間序列、綜合評(píng)價(jià)、文本分析、推薦、統(tǒng)計(jì)圖表十大類別。
3) 智能化的自學(xué)習(xí)算法
平臺(tái)內(nèi)置自動(dòng)擇參、自動(dòng)分類、自動(dòng)回歸、自動(dòng)聚類、自動(dòng)時(shí)間序列等多種自學(xué)習(xí)功能，幫助用戶自動(dòng)選擇最優(yōu)算法和參數(shù)，一方面降低了用戶對(duì)算法和參數(shù)選擇的經(jīng)驗(yàn)成本，另一方面極大的節(jié)省用戶的建模時(shí)間成本。
4) 更便捷的深度學(xué)習(xí)
平臺(tái)一方面提供DNN、RNN、LSTM等深度學(xué)習(xí)算法節(jié)點(diǎn)，讓用戶可以和使用其他機(jī)器學(xué)習(xí)算法一樣，快速構(gòu)建深度學(xué)習(xí)模型，另一方面平臺(tái)支持基于SparkOnTensorFlow的深度學(xué)習(xí)集群框架，方便用戶自由編寫(xiě)深度學(xué)習(xí)代碼邏輯，實(shí)現(xiàn)更靈活的自主深度建模分析。
5) 模型性能提升利器之集成學(xué)習(xí)
集成學(xué)習(xí)嚴(yán)格意義上來(lái)說(shuō)，這不算是一種機(jī)器學(xué)習(xí)算法，而更像是一種優(yōu)化手段或者策略，它通常是結(jié)合多個(gè)簡(jiǎn)單的弱機(jī)器學(xué)習(xí)算法，去做更可靠的決策。集成學(xué)習(xí)是一種能在各種的機(jī)器學(xué)習(xí)任務(wù)上提高準(zhǔn)確率的強(qiáng)有力技術(shù)，集成算法往往是很多數(shù)據(jù)競(jìng)賽關(guān)鍵的一步，能夠很好地提升算法的性能。平臺(tái)提供Bagging、Voting等集成學(xué)習(xí)框架節(jié)點(diǎn)，同時(shí)支持Xgboost、GBDT、Adaboost等集成學(xué)習(xí)算法。
6) “精細(xì)化、結(jié)構(gòu)化”的文本分析
目前，市場(chǎng)上的文本工具主要是以文本整體分析應(yīng)用為主來(lái)設(shè)計(jì)功能，未從技術(shù)角進(jìn)行細(xì)致的功能劃分，這樣導(dǎo)致用戶對(duì)于文本的分析過(guò)于主題化，用戶在分析過(guò)程中無(wú)法過(guò)多的加入自己的構(gòu)建思想，同時(shí)無(wú)法真正將文本挖掘技術(shù)與傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)挖掘技術(shù)融合在一起。
本平臺(tái)中的文本挖掘算法模塊以“拖拽式操作、精細(xì)化節(jié)點(diǎn)設(shè)計(jì)、結(jié)構(gòu)化自由文本為目標(biāo)”的設(shè)計(jì)理念為指導(dǎo)，將文本挖掘的各技術(shù)功能點(diǎn)進(jìn)行粗細(xì)劃分，使得節(jié)點(diǎn)的功能更集中更明確，一方面兼顧了NLP技術(shù)的獨(dú)立性，另一方面通過(guò)結(jié)構(gòu)化輸出將各功能節(jié)點(diǎn)的輸出統(tǒng)一成結(jié)構(gòu)化數(shù)據(jù)表方便與平臺(tái)已有的其他建模分析節(jié)點(diǎn)串聯(lián)復(fù)用。
7) 可擴(kuò)展式的設(shè)計(jì)
平臺(tái)一方面內(nèi)置Python、R、Scala、JAVA編程節(jié)點(diǎn)，方便用戶實(shí)現(xiàn)個(gè)性化數(shù)據(jù)分析邏輯，另一方面通過(guò)提供自定義算法功能，用戶可以將本企業(yè)所研究的成熟算法，通過(guò)該功能在平臺(tái)上發(fā)布，形成固化的算法節(jié)點(diǎn)，供平臺(tái)所有用戶使用。
目前Tempo大數(shù)據(jù)分析平臺(tái)中的算法不論從種類還是數(shù)量上已經(jīng)遙遙領(lǐng)先于市場(chǎng)上的同類產(chǎn)品，其有效性、準(zhǔn)確度可比肩國(guó)際一流工具，且支持大數(shù)據(jù)環(huán)境的分布式運(yùn)算，能夠保障海量數(shù)據(jù)挖掘的分析效率。
為了能夠給用戶提供更簡(jiǎn)單、可靠、全面、智能的分析服務(wù)，未來(lái)Tempo大數(shù)據(jù)分析平臺(tái)將更多的在人工智能技術(shù)領(lǐng)域持續(xù)發(fā)力，提升平臺(tái)的技術(shù)先進(jìn)性，為用戶帶來(lái)更多更好的智能化分析體驗(yàn)。
陜公網(wǎng)安備 61019002000171號(hào)
服務(wù)熱線
400-608-2558
咨詢熱線
15502965860-
